云边协同，思谋科技如何提升工业 AI 实时推理能力

工业AI落地生产现场，需要同时兼顾模型推理能力、现场实时响应与部署成本。单一的算力部署模式往往难以满足复杂制造场景的多重需求：纯云端推理面临网络延迟、断网停机等风险，纯边缘部署则受限于硬件算力，难以承载复杂模型运算。围绕工业 AI 智能体体系，思谋科技通过云端模型训练、厂区集中推理与边缘终端本地处理之间的协同，让不同层级的算力资源用于不同任务，探索工业AI在生产现场的分层部署路径。

云端承担模型训练与迭代的核心职能。思谋科技自研 IndustryGPT 工业多模态大模型，训练素材来源于真实制造场景，覆盖 200 余类生产工序、300 万张工业实拍图像、500 亿行业专属数据，针对缺陷识别、工艺推演、多码解析等工业任务专项优化。SMore ViMo 平台集成 AI 智能标注、AIGC 缺陷图像生成、Agent 智能助理等功能，配合云端训练能力，帮助企业完成模型开发、验证与迭代，无需本地部署高算力训练集群。

Xphere平台可视化运行效果图

厂区级推理则由ViMo Xphere等平台承载。相较于分散部署在不同产线的视觉AI设备，集中式推理架构可以将模型部署、推理任务与运行状态纳入统一管理，向下连接产线设备，向上承接AI视觉模型，实现模型部署、推理任务管理、运行监控与设备运维等功能的协同。以美的超级工厂相关应用为例，Xphere已应用于AOI复判、波峰焊检测、引脚检测、空调内外机检测等不同生产环节，使不同产线的AI推理任务能够在统一平台上运行和管理。

边缘终端层面，基于IndustryGPT的工业知识与多模态能力，思谋进一步对相关AI能力进行轻量化优化，并应用于边缘硬件，使部分AI能力能够下沉至VSE嵌入式读码模组、VS600P智能读码器等终端设备，实现本地处理。VSE 模组整机仅 34×19×17.6mm，内置定制 AI 芯片，断网状态下仍可完成本地 AI 解码；VS600P 可在终端本地完成 AI 成像、智能解码与参数调节，最高支持 2m/s 运动读码，减少对云端算力的持续依赖。

云边协同形成动态协作机制。边缘终端负责实时性要求最高的基础识别任务，数据异常或复杂工况下可上传至厂区 Xphere 平台做深度分析；Xphere 统一归档全厂区推理数据与模型资产，定期将增量数据回流云端用于模型迭代；云端训练完成的新版本模型，再通过 Xphere 统一分发至各产线与边缘终端。整套体系以 IndustryGPT 为统一技术底座，确保云端、厂区、边缘三层的模型认知能力一致，避免出现 "训练一套、运行一套" 的数据断层问题。

从行业趋势看，单一算力部署模式难以适配复杂制造场景，云边端协同正在成为工业 AI 的主流架构。思谋科技依托云边协同体系，让工业 AI 智能体同时具备云端的复杂推理能力、厂区的集中调度能力与边缘的实时响应能力，为制造业智能化升级提供可落地的智造方案。

​

标签：